ALYA, Rifda Nabila (2024) Perancangan Sistem Deteksi Katarak Sinilis dari Citra Digital Mata Menggunakan Algoritma Convolutional Neural Network (CNN). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (61kB)
	Text 4. PERNYATAAN ORISINALITAS.pdf Download (162kB)
	Text 5. HALAMAN PENGESAHAN.pdf Download (274kB)
	Text 7. KATA PENGANTAR.pdf Download (93kB)
	Text 8. ABSTRAK.pdf Download (28kB)
	Text 9. ABSTRACT.pdf Download (28kB)
	Text 10. DAFTAR ISI.pdf Download (44kB)
	Text 14. BAB I PENDAHULUAN.pdf Download (34kB)
	Text 19. DAFTAR PUSTAKA.pdf Download (35kB)

Abstract

Deteksi dini terhadap penyakit katarak sinilis merupakan langkah yang krusial
untuk mencegah penurunan daya visual hingga kebutaan. Penelitian ini
merupakan pengembangan dan evaluasi terhadap algoritma Convolutional Neural
Network (CNN) dalam mendeteksi jenis katarak sinilis dari citra digital mata.
Penelitian bertujuan meningkatkan akurasi dan keefektifan deteksi katarak dengan
memanfaatkan teknik deep learning yang mendalam dengan algoritma
Convolutional Neural Network. Dataset yang digunakan terdiri dari 2955 citra
digital mata yang telah dianotasi, mencakup tiga kategori: katarak imatur, katarak
matur, dan kondisi mata normal. Model CNN dilatih dan diuji menggunakan
dataset tersebut dan berhasil mencapai akurasi keseluruhan sebesar 94.3% serta
F1 Score sebesar 93.1%. Hasil penelitian menunjukkan bahwa model CNN yang
dikembangkan mampu membedakan secara efektif terhadap jenis katarak sinilis
dan mata normal. Model yang dikembangkan melampaui metode deteksi
tradisional baik dari segi presisi maupun kecepatan. Temuan ini mengindikasikan
bahwa pendekatan berbasis CNN yang diusulkan memiliki potensi siginifikan
untuk diintegrasikan ke dalam sistem diagnostik otomatis dan diaplikasikan pada
alat yang dapat mendeteksi dini katarak pada pasien.
Kata Kunci : Deteksi Katarak Sinilis, Convolutional Neural Network, Deep
Learning, Klasifikasi Katarak

Actions (login required)

View Item